1、灰色預測GM(1,1)MATLAB程序%本程序主要用來計算根據灰色理論建立的模型的預測值%應用的數學模型是GM(1,1)。%原始數據的處理方法是一次累加法。48.757.1768.76X0=input(請輸入數據);%輸入數據請用如例所示形式：92.15n=length(X0);X1=ones(n,1);X1(1)=X0(1);fori=2:nX1(i)=X1(i-1)+X0(i);endB=ones(n-1,2);fori=1:(n-1)B(i,1)=-(X1(i)+X1(i+1)/2;B(i,2)=1;endBT=B;forj=1:n-1Yn(j)=X0(j+1);endYn=Yn;A=i

2、nv(BT*B)*BT*Yn;a=A(1);u=A(2);t=u/a;t_test=input(請輸入需要預測個數：);i=1:t_test+n;X1s(i+1)=(X0(1)-t).*exp(-a.*i)+t;X1s(1)=X0(1);forj=n+t_test:-1:2X0s(j)=X1s(j)-X1s(j-1);endx=1:n;xs=2:n+t_test;X0ss=X0s(2:n+t_test);plot(x,XO,W,xs,XOss,*-b);det=0;fori=2:ndet=det+abs(X0s(i)-X0(i);enddet=det/(n-1);disp(百分絕對誤差為：,n

3、um2str(det),%);disp(預測值為：,num2str(X0s(n+1:n+t_test);改進程序1（優化C值，c為微分方程的解的常數）見論文“劉發全，職承杰灰色預測GM（1,1）模型的一點改進”%本程序主要用來計算根據灰色理論建立的模型的預測值。%應用的數學模型是GM（1，1）。%原始數據的處理方法是一次累加法。clearjm=xlsread(測試溫度);48.757.1768.7692.15X0=jm;%input(請輸入數據);%輸入數據請用如例所示形式：n=length(X0);X1=ones(n,1);X1(1)=X0(1);fori=2:nX1(i)=X1(i-1)+

4、X0(i);endB=ones(n-1,2);fori=1:(n-1)B(i,1)=-(X1(i)+X1(i+1)/2;B(i,2)=1;endBT=B;forj=1:n-1Yn(j)=X0(j+1);endYn=Yn;A=inv(BT*B)*BT*Yn;a=A(1);u=A(2);fori=1:n-1h1=0;h1=h1+exp(-a.*i)/X0(i+1);h2=0;h2=h2+(exp(-a.*i)/X0(i+1)F2;endt=u/a;h3=(X0(1)-t)*(1-exp(a)A(-1)/(X0(1)A2);h4=(1-exp(a)A(-1)/(X0(1)A2;%c=(h1+h3)/

5、(h2+h4);c=h1/h2;t_test=10;%input(請輸入需要預測個數：);i=1:t_test+n;X0s(i)=c*exp(-a*i);x=1:n;xs=2:n+t_test;X0ss=X0s(2:n+t_test);plot(x,X0,Ar,xs,X0ss,*-b);det=O;fori=2:ndet=det+abs(XOs(i)-XO(i);enddet=det/(n-1);disp(百分絕對誤差為：,num2str(det),%);disp(預測值為：,num2str(X0s(n+1:n+t_test);改進程序2灰色預測GM（1,1）模型的改進及應用楊華龍，劉金霞，鄭

6、斌（大連誨事大學交通運輸管理學腕，遼寧大連116026）對Z仏）=嚴天（切十（1一卩）X仇-1）,k=273t-,n中的卩進行調節，不在是取均值（卩=2）。直到誤差達到最小clearjm=xlsread（測試溫度）;X0=jm;%input（請輸入數據）;%輸入數據請用如例所示形式：48.757.1768.7692.15forp=0:0.01:1;n=length（X0）;X1=ones（n,1）;X1（1）=X0（1）;fori=2:nX1(i)=X1(i-1)+X0(i);endB=ones(n-1,2);fori=1:(n-1)B(i,1)=-(p*X1(i)+(1-p)*X1(i+1)

7、;B(i,2)=1;endBT=B;forj=1:n-1Yn(j)=X0(j+1);endYn=Yn;A=(inv(BT*B)*BT)*Yn;a=A(1);u=A(2);t=u/a;fori=1:n-1h1=0;h1=h1+X0(i+1)*exp(-a*i);h2=0;h2=h2+exp(-2*a*i);endh3=(X0(1)-t)*(1-exp(a)(1);h4=(1-exp(a)F(-2);%c=(X0(1)-t)*(1-exp(a)+h1*(1-exp(a)A2)/(1+h2*(1-exp(a)A2);c=(h1+h3)/(h2+h4);t_test=10;%input(請輸入需要預測

8、個數：);i=1:t_test+n;X0s(i)=c*exp(-a*i);x=1:n;xs=2:n+t_test;X0ss=X0s(2:n+t_test);figureplot(x,X0,Ar,xs,X0ss,*-b);det=0;fori=2:ndet=det+abs(X0s(i)-X0(i);enddet=det/(n-1);disp(百分絕對誤差為：,num2str(det),%);disp(預測值為：,num2str(X0s(n+1:n+t_test);end多變量GM（1，m）多變量灰色頂測模型算迭的Matlab程序李茜，王豐效，李曉靜墜西理遂對？建牘西杖帀723000)cleara

9、llclc%輸入待預測時刻k及原始序列X0X0=48.1166.2;509.3175.9;532.9200.1;544.5258.1;554.2293.5;576.7334.8;617.3376.4;618.2405.9;623.5421.3;614.7390.1;621.0389.7;%對原始序列X0累加生成序列X1n,m=size(X0);t_test=input(請輸入需要預測個數：)；k=n+t_test;forj=1:mc=0;fori=1:nc=X0(i,j)+c;X1(i,j)=c;endend%計算數據矩陣Lforj=1:mfori=1:n-1l(i,j)=(X1(i,j)+X1(i+1,j)/2;endendL=lones(n-1,1);%計算丫及參數估計值forj=1:mY(1:n-1,j)=X0(2:n,j);a(:,j)=inv(L*L)*L*Y(1:n-1,j);enda=a;A=a(1:end,1:end-1);B=a(1:end,end);%計算模型的擬合值或預測值S=X1(1,1:end);X0s(1:m,1)=S;fork=2:n+t_testX0s(1:m,k)